این برنامه ویندوز با نام TorchRec است که آخرین نسخه آن را می توان با عنوان v0.5.0.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این برنامه با نام TorchRec را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
TorchRec
شرح
TorchRec یک کتابخانه دامنه PyTorch است که برای ارائه اولیه‌های پراکندگی و موازی مشترک مورد نیاز برای سیستم‌های توصیه‌گر در مقیاس بزرگ (RecSys) ساخته شده است. این به نویسندگان اجازه می‌دهد تا مدل‌هایی را با جداول تعبیه‌شده بزرگ که در بسیاری از پردازنده‌های گرافیکی خرد شده‌اند، آموزش دهند. موازی‌سازی‌های ابتدایی که نوشتن آسان مدل‌های چند دستگاهی/چند گره‌ای بزرگ و کارآمد را با استفاده از موازی‌سازی داده‌ها/موازی‌سازی مدل‌های ترکیبی امکان‌پذیر می‌سازد. اشتراک‌گذار TorchRec می‌تواند جداول جاسازی شده را با استراتژی‌های اشتراک‌گذاری مختلف از جمله تقسیم‌بندی داده‌ای موازی، جدولی، ردیفی، جدولی، ردیفی و ستونی خرد کند. برنامه ریز TorchRec می تواند به طور خودکار طرح های اشتراک گذاری بهینه شده را برای مدل ها ایجاد کند. آموزش لوله‌کشی با انتقال داده (کپی به GPU)، ارتباطات بین دستگاهی (input_dist) و محاسبات (به جلو، عقب) برای افزایش عملکرد همپوشانی دارد. هسته های بهینه شده برای RecSys که توسط FBGEMM طراحی شده اند. پشتیبانی کوانتیزاسیون برای کاهش دقت آموزش و استنتاج. ماژول های رایج برای RecSys.
امکانات
- ساخته شده برای ارائه اولیه پراکندگی و موازی سازی مشترک مورد نیاز برای سیستم های توصیه گر در مقیاس بزرگ
- برنامه ریز TorchRec می تواند به طور خودکار طرح های اشتراک گذاری بهینه شده را برای مدل ها ایجاد کند
- Torchrec به Python >= 3.7 و CUDA >= 11.0 نیاز دارد
- باینری تجربی در لینوکس برای پایتون 3.7، 3.8 و 3.9 را می توان از طریق چرخ های پیپ نصب کرد.
- TorchRec دارای مجوز BSD است
- پشتیبانی کوانتیزاسیون برای کاهش دقت آموزش و استنتاج
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/torchrec.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
